M.I.A Daniel Alejandro García López

Arquitectura de los SBC

Tipos de conocimientoConocimiento

publico: Definiciones, hechos y teorías.

Conocimiento privado: reglas de oro (heurística).

Conocimiento de sentido común y conocimiento de sentido común informado: principios generales y conceptos del dominio.

Conocimiento Heurístico: Se trata de una regla de oro o un argumento derivado de la experiencia.

Conocimiento del dominio: Conocimiento especifico en un dominio.

Tipos de conocimiento

Metaconocimiento: Conocimiento acerca del conocimiento

De acuerdo a su uso:Conocimiento condicional: provee información

de restricciones y prerrequisitosConocimiento de utilidad: provee funciones de

utilidad sobre estados futuros.Conocimiento de acción: conduce al mejor

curso de acción.Conocimiento de objetivos: especifica alta

utilidad sobre estados deseados.

Tipos de conocimiento

Conocimiento de acuerdo a su naturalezaTácito: Conocimiento embebido en la mente a

través de la experienciaExplicito: fácil de extraer y codificar de

diversas fuentes.El conocimiento puede ser permanente,

estático(periodo) o dinámico

Naturalidad: Facilidad de representar el conocimiento de forma natural.

Transparencia: Facilidad de identificar el conocimiento almacenado

Adecuación y exhaustividad: Contener todos los elementos requeridos par resolver el problema

Modularidad: Facilidad de almacenamiento de los elementos del conocimiento

Características deseables del conocimiento

Utilidad: Grado en el cual el conocimiento es útil para resolver un problema del dominio.

Claridad: facilidad de representar el conocimiento directamente.

Facilidad de operación, fácil acceso y eficiente.

Características deseables del conocimiento

Elementos declarativos: representación descriptiva Hechos Reglas

Elementos procedimentales: resulta de las habilidades intelectuales para hacer las cosas. Heurística y conocimiento de sentido común.

Elementos del conocimiento

Motor de inferenciaMemoria de trabajoInterfaz de usuarioExplicaciónAuto aprendizajeBase de conocimiento

Estructura básica de los SBC

Elementos del SBC

Transferencia de conocimiento

Gestor del SBC

ExpertosOtras fuente

s

Ingeniero de conocimient

o

Moto de inferenciaMemoria de trabajo

Estructuras de controlBase de

conocimiento

Base de datos

Explicación Auto AprendizajeInterfaz de

usuario

Estructura de conocimiento

Elemento clave del SBCCalidad y utilidad relacionada con la

representaciónElementos de la base de conocimiento

HechosReglasHeurísticaMetaconocimiento

Base de conocimiento

Consulta el conocimiento existenteManipula conocimiento de acuerdo a las

necesidadesToma decisiones acerca de las acciones que

podrían tomarse.Infiere nuevo conocimiento

Modus PonensModus tollens

Motor de inferencia

Es una estrategia de inferencia.Es simple y fácil de aprender.Decide el orden en el cual las inferencias son

realizadas.La norma establece que cuando se sabe que A

es verdadero y una regla es de la forma Si A entonces B, es valido concluir que B es verdadero..

Modus ponens

Regla: Si el maestro esta presente en la clase Entonces los estudiantes deben estar presentes en la clase

Dado el hecho: El maestro esta presente y enseñando

Conclusión: Los estudiantes deben estar presentes en la clase

Modus ponens

Cuando se sabe que B es falso y una regla de la forma Si A entonces B, se dice que A es falsoRegla: Si el maestro esta presente en la clase

Entonces los estudiantes deben estar presentes en la clase

Dado el hecho: Los estudiantes estuvieron ausentes

El maestro debió ausentarse

Modus Tollens

En un sistema simple basado en reglas hay dos tipos de inferencia:Encadenamiento hacia adelanteEncadenamiento hacia atrás

Tipos de inferencia

Ciclo de inferencia

Base de conocimiento

Memoria de Trabajo

Comparación

Conflictos

Selección

Ejecución

Entradas y datos son almacenados en la memoria de trabajo.

Las entradas de trabajo disparan las reglas condicionales que cumplen las restricciones. Esas reglas ejecutan sus acciones.

Las acciones pueden agregar nuevos datos a la memoria, y estas pueden disparar mas reglas.

Es llamada también inferencia dirigida a los datos

Encadenamiento hacia adelante

Es apropiado cuando :hay suficiente información acerca de un

entorno para concluirHay un estado inicial únicoEs difícil elaborar una meta para verificar.Cuando una meta es impredecible o sin

importanciaPuede ser utilizado en la fase de mejora de

calidad en el proceso de desarrollo de software o mejora un proceso organizacional

Encadenamiento hacia adelante

Paso 1: Considerar los hechos iníciales y almacenarlos en la memoria de trabajo

Paso 2: verificar el antecedente de las reglas de producción

Paso 3: Si todos las condiciones se corresponden, disparar la regla.

Paso 4: Si hay una sola reglaEjecutar las acciones necesariasModificar la memoria de trabajo y la actualización de

hechos.Verificar nuevas condiciones

Paso 5: Si hay mas de una, utilizar una estrategia de resolución de conflictos e ir al Paso 4

Algoritmo

1: runny nose2: Temperature =104 F3:headache4:coughR1: if(nasal congestion and virosis) then

diagnose(influenza ) exitR2: if(runny nose) then assert(nasal congestion)R3: if(body aches) then assert(itchiness)R4: si(temp>100) then assert(fever)R5:si(headache) then assert(itchiness)R6: if(fever and itchiness and cought) then

assert(virosis)

Ejemplo de encadenamiento hacia adelante

Se disapara la regla R2, asi que (nasal congestion]) es agregada a la memoria de trabajo.

Se dispara R4, por lo que (fever) es agregada Se dispara R5, por lo que (itchiness) es

agregadaSe dispara R6: asi (virosis) es agregadaR1 se dispara, el diagnostico es influenza y

termina

Ejecución:

El sistema requiere conocer el valor de una parte del dato o hipótesis.

Es decir buscar las reglas cuya conclusión contengan este dato.

Antes de usar la regla el sistema debe probar sus condiciones. Esto pude ayudar a descubrir mas parte de los datos.

Llamado también inferencia dirigida al objetivo o controlador de hipótesis.

Encadenamiento hacia atrás

Es apropiado cuando:La meta esta dada o es evidenteRestricciones del entorno o los datos no son

claros.Datos relevantes deben ser adquiridos

durante el proceso de inferenciaExiste un gran numero de reglas aplicables.

Encadenamiento hacia atrás

Cualquier sistema de reglas con encadenamiento hacia atrás puede ser reescrito como un equivalente a un sistema de encadenamiento hacia adelante

Frecuentemente ofrece mejor justificación o explicación de cómo llegar a una meta en particular

Puede ser utilizado en sistemas para el aprendizaje, entrenamiento y diagnostico médico

Es recomendable cuando hay pocos objetivos y poco numero de reglas sobre un gran numero de hechos.

Encadenamiento hacia atrás

No es recomendable para la aplicación que requiere de una referencia cruzada o minería de datos para hacer corresponder múltiples documentos.

Administra sus sub-metas automáticamenteMuchas tareas son difíciles o imposibles con

el método de encadenamiento hacia atrás.Son útiles para el diagnostico y la

clasificación, pero no tan útiles en planeación, diseño , monitoreo de proceso, entre otros más.

Encadenamiento hacia atrás

Paso 1:Comenzar con una posible hipótesis (H)Paso 2: Almacenar la Hipótesis en la memoria de trabajo,

junto con los hechos disponibles. Considerar un indicador de estado(R) en nulo.

Paso 3: Si H es un hecho inicial, la hipótesis esta probada. Ir al paso 7

Paso 4. Si H no es un hecho inicial, encontrar una regla, R, que tiene una parte descendiente que menciona a la hipótesis.

Paso 5: Almacenar R en la memoria de trabajoPaso 6: Verificar las condiciones de R y corresponderlas con

los hechos existentes.Paso 7: Si corresponden, entonces disparar la regla R y

parar. Sino ir al paso 4

Algoritmo

La meta es diagnostico(influeza)Inicialmente la R1 se dispara, nuevas metas son

creadas (nasal congestion) (virosis) y recursivamente se usan con esas recientes metas.

R2 es disparada, porque coincide con nasal congestion. Una nueva meta es creada(runny nose). Nuevo encadenamiento es utilizado recursivamente, como existe en la memoria de trabajo este retorna verdadero.

Se dispara R6, porque coincide con la meta (virosis) y se agrega nuevas metas (fever), (itchiness) y (cough)

Ejemplo de encadenamiento hacia atrás

R4 se dispara agregando la meta temperatura>100 y como esta en la memoria de trabajo retorna verdadero

R3 es disparado, agregando (body aches)En la recursión no hay información en la memoria de

trabajo o regla que coincida con esta menta, sin embargo, este retorna false y la próxima regla es elegida.

R5 se dispara así la meta headache es agregada. Como esta en la memoria de trabajo este retorna verdadero.

La meta cough esta en la memoria y retorna verdadero.

Finalmente el procedimiento recursivo es verdadero.

Ejemplo de encadenamiento hacia atrás

El conjunto de reglas disparadas es conocido como conjunto de conflicto.

El motor de inferencia selecciona una regla basada en algún criterio predefinido.

La mas simple es seleccionar la primera reglaRelacionar prioridades a las reglasEnfoque heurístico: la reglas mas utilizada

tiene mas alta prioridad.Seleccionar la regla con mas restricciones o

detalles o cual fue actualizada recientemente.

Estrategias para la resolución de conflictos en sistemas basados en reglas.

Seleccionar reglas aleatoriamente es otra posible alternativa

Es posible construir múltiples versiones de la base de conocimiento y el conjunto conflicto y utilizar reglas en paralelo

Otra posibilidad es aplicar un algoritmo de búsqueda de propósito especial.

Es una tarea que permite que el SBC aprenda automáticamente durante el proceso de inferencia, del entorno y de los casos.

Se requiere descubrir las conjeturas y conocimiento de los datos y la experiencia basado en principios computacionales y estadísticas.

Autoaprendizaje

La capacidad y la calidad del SBC o del experto humano depende de la habilidad de razonar y explicar

Cuando el SBC toma una decisión, en necesario justificarlo.

Razonamiento

Una característica de los sistemas expertos es su

habilidad para explicar su razonamiento. Usando el

módulo del subsistema de explicación, un sistema

experto puede proporcionar una explicación al usuario

de por qué está haciendo una pregunta y cómo ha

llegado a una conclusión. Este módulo proporciona

beneficios tanto al diseñador del sistema como al

usuario. El diseñador puede usarlo para detectar

errores y el usuario se beneficia de la transparencia del

sistema.

Explicación

La interacción entre un sistema experto y un usuario se realiza en lenguaje natural. También es altamente interactiva y sigue el patrón de la conversación entre seres humanos. Para conducir este proceso de manera aceptable para el usuario es especialmente importante el diseño del interfaz de usuario. Un requerimiento básico del interfaz es la habilidad de hacer preguntas. Para obtener información fiable del usuario hay que poner especial cuidado en el diseño de las cuestiones. Esto puede requerir diseñar el interfaz usando menús o gráficos

Interfaz de usuario

Es una suite que permite la construcción de bases de conocimiento e interacción con un motor de inferencia.

Permite un total desarrollo de un sistema basado en conocimiento.

Están disponibles utilerías como inferencia, explicación, razonamiento, y aprendizaje.

Son herramientas que son mas rentables para los expertos que no pueden desarrollarlos por si mismos.

Shell

ventajasEl conocimiento se

documenta de forma permanente para su uso.

Ahorro en costo, tiempo y esfuerzo.

Eficiente y efectivoConsistencia y fiabilidad

(contra fraudes)Justifica las decisionesAuto aprende y fácil

actualización

Limitada adaptaciónNo poseen creatividad,

innovación, y sentido común.El modelo depende de la

calidad de la heurística.No existen modelos de

desarrollo.Es difícil extraer el

conocimiento de los expertosNo existen estándares, ni

certificaciones.

Ventajas y limitaciones de los SBC

limitaciones